【自动驾驶仿真在做什么——初学者总结（陆续补充）】

路有瑶台

已于 2024-08-29 10:50:38 修改

阅读量1.4k

点赞数 26

分类专栏：智能驾驶学习文章标签：自动驾驶自动驾驶仿真

于 2024-07-04 12:09:36 首次发布

本文链接：https://blog.csdn.net/weixin_46447310/article/details/140159531

版权

文章目录

最近也是学习自动驾驶仿真相关知识，习惯去总结一下，方便自己回顾和总结，主要包括了自动驾驶框架和一些关于仿真方面的简单介绍，给想了解车企自动驾驶岗位的同学做一个初步普及，有写的不对的地方欢迎大佬前来指点orz
总的来说，仿真是自动驾驶方案的重点部分，无论是仿真开发还是仿真测试，都是为了实车相关部分的验证与落地。仿真开发的工作是为了去开发一套用于仿真测试的工具和算法。
QA仿真测试团队的使命是加速AD技术开发、测试验证与落地。在自动驾驶（AD）系统的开发流程中，仿真测试、模块测试与实车测试通过实施分层测试策略紧密协作，共同确保产品发布的质量和效率得以显著提升。为了实现这一目标，需要设计并构建了一套全面的仿真测试方案，包括丰富的测试场景集、科学的评价体系以及高效的自动化测试工具。

基础概念

自动驾驶级别

SAE是分为了L0～L5，根据不同程度，从零到完全自动化，共分为六个等级。

L0级自动驾驶：
无自动，油门、刹车、方向盘全程皆由驾驶者掌控。
L1级自动驾驶
主要还是由驾驶者操控车辆，但在特定的时候系统会介入，如ESP电子车身稳定系统或ABS防锁死刹车系统
L2（部分自动驾驶）
部分自动化，驾驶者仍需专心于路况。第二级自动驾驶可说是目前各大车厂的主流，车辆的速度和转向可以在一定的条件下控制，但驾驶者仍需保持对路况的专注。
L3（有条件自动驾驶）
相较于第二级，第三级自动驾驶可以在一定条件下驱动车辆，而不需要驾驶者专注于路况，双手甚至可以离开方向盘。但驾驶者仍需随时准备接管车辆。
L4（高度自动驾驶）
高度自动化，车辆在启动自动驾驶后，计算机将在目的地设置后按自己的路线行驶，无需干预全面驾驶，但可能需要在特定区域（如高速公路或市区）进行干预。这一级别的自动驾驶技术仍处于研发阶段，市场上尚未有成熟的车型。
L5（完全自动驾驶）
全自动化，第五级自动驾驶车辆将完全自动化，车上甚至不需要方向盘等驾驶机构，完全通过电脑感知与运算来驾驶车辆。不论任何环境、路况，都不需要人类驾驶介入操控。

如上述，自动驾驶一直有两条路线，一条是L2->L4的渐进式路线，典型公司是特斯拉和多数车企，一条是直接L4路线，典型公司是谷歌旗下的Waymo以及国内的百度、小马等公司。
渐进式路线的思路是，做事要一步步来，每一步都要实现商业价值，支撑着技术的演进，否则很容易路子太长，走不到最后。而直接L4路线的公司则认为，渐进式路线为了提前商业化，需要做太多的“无用功”，绕太多的弯路，他们认为自动驾驶的成败不在于前边谁抢占了乘用车市场，而在于谁先能真正做到完全不需要人来开车，如果做到了这一点，就可以通过运营无人驾驶出租车的方式，靠低人力成本先抢占出租车市场，再进一步的，无人出租便宜又方便之后，它甚至可以挤压掉私家车的市场份额。

再稍提一下ODD是什么？

ODD的概念来自于SAE J3016中的定义，它将ODD定义为“特定驾驶自动化系统或其功能专门设计的运行条件。任何一台自动驾驶车辆，都必须有一定限定的工况。
ODD运行设计域（Operational Design Domain），代表了自动驾驶汽车的预期操作范围，包括交通状况、道路类型、天气等因素。定义涵盖了自动驾驶系统在设计时所确定的本车状态和外部环境，这些环境因素包括速度、道路、交通、天气、光照等。
简单来说，ODD就是要定义好在哪些工况下是能够自动驾驶的，脱离了这些工况，自动驾驶就不能保证工作。任何一台自动驾驶车辆，都必须有一定限定的工况。
ODD的范围越广，自动驾驶系统的适用性就越高，但在确定ODD时需要考虑各种复杂的因素，如不同的道路类型、交通情况、天气状况等，这些都会影响自动驾驶系统的表现。ODD是自动驾驶技术的重要组成部分，因为它决定了自动驾驶汽车在何种情况下可以安全地运行。在实际应用中，ODD的确定是非常困难的，因为自动驾驶系统需要在各种复杂环境中运行，确定ODD需要考虑各种可能情况。
在这里插入图片描述
通过对于这六大要素的划分，可以较为清晰地定义出自动驾驶系统可以运行的工况及范围。
可以说，ODD的场景分类给予非L5级别的自动驾驶非常明确的场景定义以及测试标准，可以极大程度上保障驾驶员在使用这些自动驾驶功能时的安全性。根据不同场景的业务需求进行合理地ODD设计以及测试已经成为了所有自动驾驶企业们着重关注的目标。

ODD的划分标准与框架都有相关的标准可以清晰定义，那么在对ODD场景进行分类之后，如何去测试这些ODD的边界来判断现有的自动驾驶系统是否合格达标呢？
我们知道，自动驾驶汽车的开发满足V字开发模型，在V字开发模型中，涉及的测试方法主要包括软件在环（SIL，即software-in-loop）、硬件在环（HIL，即hardware-in-loop）、车辆在环（VIL，即vehicle-in-loop），再到最后的整车场地、道路测试等方法，涵盖了从零部件到系统再到整车的全链条验证。在测试内容方面，主要包括传感器、执行器、算法、人机界面测试以及整车功能等内容。

在环测试，借助虚拟现实数据生成、传输与交互技术，模拟自动驾驶汽车在真实道路环境行驶，并通过概率分布的危险场景强化模拟方法，进行的自适应加速测试。通过在环测试，可以在大幅节约测试时间和成本的同时，给虚拟测试提供了验证结果，并为实际道路测试提供了较为真实的参考数据。

传统来说自动驾驶几大核心团队